Una prospettiva clinica sull’innovazione medica
Essere un chirurgo oncologico è il mio lavoro principale e la mia passione. Mi permette di interagire con le persone e di immergermi nel sistema sanitario, non nella fantasiosa sanità aziendale, ma solo nella medicina di tutti i giorni.
E, come ricercatore nel campo dell’intelligenza artificiale, sto notando una crescente disconnessione tra la pratica clinica effettiva e gli obiettivi prevalenti dei ricercatori e delle aziende che si occupano di intelligenza artificiale. Questa è, ovviamente, solo un’opinione personale e non una critica agli attuali processi di ricerca e sviluppo, ma è una riflessione fondata su alcune esperienze in entrambi i campi.
Il potenziale dirompente dell’intelligenza artificiale nel software e nell’industria dei clienti è ormai chiaro. Tuttavia, dobbiamo riconoscere che l’intelligenza artificiale nel settore sanitario è un animale completamente diverso; il grado di complessità, regolamentazione e rischio è significativamente più elevato rispetto a quello della maggior parte delle altre applicazioni. Inoltre, i set di dati disponibili al pubblico sono ordini di grandezza più scarsi che in molti altri settori a causa dei limiti di privacy e accessibilità.
Quindi, grandi blocchi e un livello di complessità più elevato.
Attualmente risiedo nella Silicon Valley come chirurgo con un background tecnico nell’intelligenza artificiale, che mi ha dato accesso diretto a questo vibrante “ecosistema”. Incontri e conferenze sull’intelligenza artificiale sono all’ordine del giorno. Tuttavia, è difficile non notare alcuni fatti:
- I medici non partecipano agli eventi AI.
- I medici non partecipano nemmeno agli eventi AI for Healthcare.
- La ricerca sanitaria sull’intelligenza artificiale è guidata dal lato tecnico, con un feedback/collaborazione minimo da parte dei medici.
- Anche tra i medici non vi è sufficiente collaborazione per quanto riguarda la condivisione dei dati e lo sviluppo tecnico.
Innanzitutto l’entusiasmo verso le nuove tecnologie ci spinge a cercare di applicarle ad ogni problema: “Se l’unico strumento che hai è un martello, tendi a vedere ogni problema come un chiodo” nelle parole di Abraham Maslow. E capisco assolutamente questa tendenza. L’intelligenza artificiale è il nostro nuovo martello di Thor; perché non dovremmo provarlo su qualcosa anche lontanamente appropriato?
Tuttavia, ciò indirizza la ricerca e il progresso focalizzati sulla risoluzione di “enigma tecnici” senza rispondere a una domanda fondamentale. Da un lato possiamo trovare rappresentazioni divertenti di questo concetto, come ad esempio il “Questo è quello che ha detto” identificatore scherzoso (una soluzione divertente, non critico); e, dall’altro, esempi in cui è forzata l’implementazione di complessi flussi di lavoro di deep learning costoso e inutile.
In secondo luogo, le tipiche strategie “top-down” si basano sull’analisi di mercato e sul calcolo della quota di mercato. In breve, “Troviamo un campo vasto e redditizio nel settore sanitario e riempiamolo di intelligenza artificiale.” Come sempre, potrebbe essere un’ottima strategia a breve termine, ma la magia svanisce dopo un po’.
Questi approcci sono raramente efficaci nel settore sanitario. Medici e chirurghi spesso ritornano alle pratiche convenzionali quando i vantaggi della nuova soluzione non sono evidenti. Il principio di Planck può essere applicato in modo sicuro all’innovazione medica, “la scienza avanza un funerale alla volta.” Per questo motivo, un aumento del 5-10% dell’efficienza operativa, sebbene significativo su larga scala, difficilmente viene applicato in ambito medico: abbiamo bisogno di un miglioramento da 2 a 10 volte nelle aree rilevanti per la pratica clinica quotidiana.
Un approccio pratico sarebbe quello di identificare un problema reale, valutare l’efficacia delle soluzioni attuali e valutare se l’intelligenza artificiale può essere utilizzata per sviluppare soluzioni migliori. il tipico test di mamma.
Attualmente, la maggior parte degli sviluppi più importanti nel campo dell’intelligenza artificiale per il settore sanitario provengono da gruppi di ricerca tecnologica e aziende tecnologiche. Questa associazione spiega perché l’attenzione è spostata più verso il lato informatico che verso la componente sanitaria.
Per risolvere questo problema sarà essenziale il coinvolgimento diretto di medici e chirurghi.
Fonte: towardsdatascience.com
